声明
摘要
1 绪论
1.1 课题的研究背景与意义
1.1.1 研究背景
1.1.2 研究意义
1.2 智能车辆技术的发展现状
1.3 智能车辆行车安全信息检测与识别关键技术概述
1.3.1 基于视觉的道路检测技术
1.3.2 基于视觉的车道线检测技术
1.3.3 基于视觉的车辆检测技术
1.4 本文的内容安排及创新点
1.4.1 本文内容安排
1.4.2 本文主要创新点
2 基于车道线增强和视觉显著性模型的车道线检测
2.1 引言
2.2 基于模糊LDA的车道线增强模型
2.3 车道线的亮度对比度显著性模型
2.4 基于车道线增强和视觉显著性模型在车道线检测的应用
2.4.1 道路兴趣区域的提取
2.4.2 基于亮度和对比度显著性模型的车道线检测
2.4.3 基于模糊LDA的车道线增强与提取
2.4.4 车道线描述
2.4.5 基于逆透视变换的车道线验证
2.5 实验结果及分析
2.6 本章小结
3 基于稀疏表示与方差鉴别性模型的道路检测
3.1 引言
3.2 基于稀疏表示的形状先验提取
3.2.1 稀疏表示
3.2.2 基于稀疏表示的道路形状先验提取
3.3 基于方差鉴别性模型的高鉴别性灰度通道选择
3.4 稀疏表示与方差鉴别性模型应用于道路检测
3.4.1 道路兴趣区域设定与特征描述
3.4.2 基于稀疏表示和方差鉴别性模型的道路分割
3.5 实验结果与分析
3.5.1 道路先验提取结果
3.5.2 道路检测结果
3.6 本章小结
4 基于PCA-SOM-Net的盲区车辆检测
4.1 引言
4.2 深度学习概述
4.2.1 主流的深度学习模型
4.2.2 深度学习在检测与识别中应用
4.3 PCANet模型
4.4 PCANet模型的优缺点分析
4.5 PCA-SOM-Net模型
4.6 基于PCA-SOM-Net模型的盲区车辆检测
4.6.1 图像中盲区的界定
4.6.2 基于路面灰度统计的可疑区域提取
4.6.3 基于多特征验证的可疑区域筛选
4.6.4 基于PCA-SOM-Net的盲区车辆特征表示与识别
4.7 实验结果与分析
4.8 本章小结
5 基于单目视觉的车辆防撞预警模型
5.1 引言
5.2 车辆碰撞模型研究
5.2.1 摄像机目标成像
5.2.1 车辆碰撞时间估算
5.3 基于多帧的碰撞时间估计
5.3.1 军辆碰撞时间估算
5.4 实验结果及分析
5.5 本章小结
6 智能车辆的行车安全信息检测与识别系统
6.1 引言
6.2 系统设计
6.2.1 行车安全信息检测与识别系统的硬件结构设计
6.2.2 系统功能模块设计
6.3 行车安全信息检测与识别系统的整体性能实验
6.4 本章小结
7 总结与展望
致谢
参考文献
攻读博士学位期间发表论文和出版著作情况
攻读博士学位期间参加的科研项目